GPT2w模型在中國(guó)大陸地區(qū)的精度分析

陳發(fā)源 王新志 金雙根

0 引言

對(duì)流層延遲是全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)定位測(cè)量中重要的誤差來源[1],同時(shí)也是GNSS氣象學(xué)中的重要研究?jī)?nèi)容[2]．通常使用霍普菲爾德(Hopfield)模型、薩斯塔莫寧(Saastamoinen)模型和勃蘭克(Black)模型,根據(jù)實(shí)測(cè)的氣溫、氣壓及水汽壓數(shù)據(jù)計(jì)算對(duì)流層延遲,然后對(duì)其進(jìn)行改正或用于氣象學(xué)等相關(guān)研究．

在實(shí)際中,通常通過氣象儀器測(cè)定和模型獲取氣溫、氣壓及水汽壓數(shù)據(jù),全球氣溫氣壓(Global Pressure and Temperature,GPT)模型便是常用的模型之一．文獻(xiàn)[3]利用全球大地觀測(cè)系統(tǒng)格網(wǎng)產(chǎn)品和探空站資料對(duì)中國(guó)地區(qū)GPT2w模型計(jì)算的加權(quán)平均溫度精度進(jìn)行分析,結(jié)果表明1°分辨率的GPT2w模型精度優(yōu)于5°分辨率的,但模型具有顯著的系統(tǒng)性誤差;文獻(xiàn)[4]利用中國(guó)區(qū)域參與全球氣象交換的86個(gè)氣象探空站2013—2015年的觀測(cè)數(shù)據(jù)對(duì)GPT2w模型得到的氣象參數(shù)進(jìn)行精度分析,結(jié)果表明GPT2w模型在中國(guó)范圍內(nèi)具有較高的精度且模型計(jì)算出的氣象參數(shù)具有一定的年周期性;文獻(xiàn)[5]利用廣西區(qū)域陸態(tài)網(wǎng)GNSS數(shù)據(jù)和探空站實(shí)測(cè)數(shù)據(jù)對(duì)GPT2w模型在廣西地區(qū)的適用性進(jìn)行了檢驗(yàn)分析,得出了GPT2w模型計(jì)算的天頂對(duì)流層延遲具有顯著的季節(jié)偏差的結(jié)論;文獻(xiàn)[6]利用探空站數(shù)據(jù)資料提供的氣壓值對(duì)GPT2_5w模型計(jì)算的氣壓值及其對(duì)GNSS反演大氣可降水量的精度進(jìn)行研究,結(jié)果表明GPT2_5w模型計(jì)算的氣壓能夠在中國(guó)大部分地區(qū)用于GNSS反演大氣可降水量;文獻(xiàn)[7]利用南極區(qū)域分布的探空數(shù)據(jù)和我國(guó)南極第33次科考期間的實(shí)測(cè)探空氣球數(shù)據(jù)計(jì)算的對(duì)流層延遲來分析GPT2w模型的精度,結(jié)果表明GPT2w的日精度與月平均精度相當(dāng),但模型未考慮日周期項(xiàng)的變化會(huì)對(duì)精度產(chǎn)生一定影響．眾多相關(guān)學(xué)者均利用探空站數(shù)據(jù)對(duì)GPT系列模型在不同區(qū)域的精度進(jìn)行檢驗(yàn)分析[3-10],但探空站獲取的是高空氣象數(shù)據(jù),該數(shù)據(jù)與人類日?；顒?dòng)環(huán)境的氣象數(shù)據(jù)相差較遠(yuǎn),且探空站數(shù)量遠(yuǎn)少于地面氣象站．因此,本文選取中國(guó)大陸地區(qū)102個(gè)國(guó)家氣象站地面觀測(cè)的氣溫和氣壓和水汽壓數(shù)據(jù)對(duì)GPT2w模型進(jìn)行精度分析,為在中國(guó)大陸地區(qū)更好地使用該模型模擬人類日常生活環(huán)境的氣象參數(shù)提供參考．

1 GPT系列模型

GPT模型采用歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-range Weather Forecasts,ECMWF)提供的40年的空間分辨率15°×15°的全球氣溫和氣壓月平均格網(wǎng)數(shù)據(jù)ERA40,基于9階9次球諧函數(shù)建立的一種經(jīng)驗(yàn)?zāi)Ｐ蚚11],這導(dǎo)致GPT模型水平分辨率相對(duì)較差,且初始相位固定為1月28日,因而時(shí)間精度相對(duì)較低．

針對(duì)GPT模型的上述缺點(diǎn),文獻(xiàn)[12]在模型中加入了半年周期變化,并分別估計(jì)每個(gè)格網(wǎng)點(diǎn)上平均周期、半年周期和年周期的氣溫和氣壓遞減率,最后利用5°×5°的格網(wǎng)代替9階9次球諧函數(shù)得到了GPT2模型．在GPT2模型的基礎(chǔ)之上,B?hm等在模型中加入了水汽壓垂直梯度和大氣加權(quán)平均溫度兩個(gè)參數(shù),建立了GPT2w模型[13],且將模型水平分辨率提高到了1°×1°．因而,在GPT系列模型中,GPT2w模型的精度最高．

2 GPT2w模型的精度檢驗(yàn)與分析

本文利用中國(guó)大陸地區(qū)102個(gè)國(guó)家氣象站2012年2月1日—2016年12月31日的氣溫、氣壓和水汽壓實(shí)測(cè)數(shù)據(jù),檢驗(yàn)、統(tǒng)計(jì)GPT2w模型在中國(guó)大陸地區(qū)的精度和可靠性,其中氣溫的分辨率為0.1 ℃,氣壓的分辨率為0.1 hPa[14]．實(shí)測(cè)數(shù)據(jù)來源于國(guó)家基準(zhǔn)氣候站和國(guó)家基本氣象站的地面觀測(cè)．氣象站按省份選取,保證中國(guó)大陸陸地區(qū)域每個(gè)省、自治區(qū)、直轄市至少1個(gè)氣象站．對(duì)于新疆、內(nèi)蒙古和西藏等面積較大的行政區(qū)選取多個(gè)氣象站,并盡量保證氣象站分布均勻．氣象站實(shí)測(cè)數(shù)據(jù)每整點(diǎn)取一組,全天共收集24組．剔除不完整數(shù)據(jù),本文所用有效數(shù)據(jù)共計(jì)446萬余組．

首先,利用IGS Analysis Center Coordinator(ACC,http:∥acc.igs.org/tropo/)提供的GPT2w模型參數(shù)和插值計(jì)算程序,依據(jù)氣象站的經(jīng)度、緯度、高程和觀測(cè)時(shí)間計(jì)算相應(yīng)的氣溫、氣壓和水汽壓值．然后,用氣象站實(shí)測(cè)數(shù)據(jù)減去GPT2w模型的插值數(shù)據(jù),得到相應(yīng)的誤差值．最后,利用誤差值對(duì)中國(guó)陸地區(qū)域GPT2w模型的精度和可靠性進(jìn)行統(tǒng)計(jì)、分析．

2.1 氣溫

首先對(duì)氣溫誤差進(jìn)行分析統(tǒng)計(jì),結(jié)果如表1所示．2012—2016年氣溫誤差的年均值分別為-0.47、-0.51、-0.22、0.03和-1.09 ℃,其均值為-0.45 ℃;年標(biāo)準(zhǔn)偏差分別為10.58、10.04、9.90、9.79和9.87 ℃,其均值為10.04 ℃,說明在中國(guó)大陸地區(qū)GPT2w模型對(duì)氣溫模擬的整體精度很高且穩(wěn)定．

表1 2012—2016年中國(guó)大陸地區(qū)氣溫誤差統(tǒng)計(jì)

統(tǒng)計(jì)各氣象站點(diǎn)氣溫誤差的年均值,結(jié)果如圖1所示．圖1表明,大部分氣象站點(diǎn)的氣溫年均誤差值在-1.5 ℃到1 ℃之間且存在地域性差異．其中,內(nèi)蒙古、黑龍江和新疆大部分地區(qū)的氣溫誤差年均值為負(fù)值,說明這些地區(qū)GPT2w模型模擬的氣溫值普遍大于實(shí)測(cè)氣溫值;西藏東南部地區(qū)的氣溫誤差均值為正值,說明該地區(qū)GPT2w模型模擬的氣溫值普遍小于實(shí)測(cè)氣溫值．

圖1 2012—2016年中國(guó)大陸地區(qū)各氣象站點(diǎn)氣溫年均誤差分布

分析5年間各氣象站點(diǎn)氣溫誤差的最大正、負(fù)值,結(jié)果如圖2所示．圖2表明,最大正、負(fù)誤差值出現(xiàn)在內(nèi)蒙古東北部和黑龍江境內(nèi)．

圖2 2012—2016年氣溫最大正負(fù)誤差分布

對(duì)內(nèi)蒙古東北部和黑龍江境內(nèi)相關(guān)氣象站的月均氣溫誤差值進(jìn)行統(tǒng)計(jì),如圖3所示．圖3(圖示1～8分別對(duì)應(yīng)圖2中站點(diǎn)1～8)表明,每年產(chǎn)生正誤差較大的時(shí)間段集中在內(nèi)蒙古東北部與黑龍江境內(nèi)的4—5月,產(chǎn)生負(fù)誤差較大的時(shí)間段集中在內(nèi)蒙古與黑龍江境內(nèi)的10—12月,說明GPT2w模型在上述時(shí)間段內(nèi)模擬出的氣溫值精度較低．

圖3 2012—2016年氣溫月均誤差結(jié)果統(tǒng)計(jì)

圖4表明,2012—2016年,40°N以下氣象站點(diǎn)的氣溫年均誤差較小,40°～90°N之間氣象站點(diǎn)的氣溫年均誤差較大,0°～30°N之間GPT2w模型模擬的氣溫值比實(shí)測(cè)氣溫值小,40°～90°N之間GPT2w模型模擬的氣溫值比實(shí)測(cè)氣溫值大．總體而言,氣溫年均誤差隨緯度增大而增大,這是因?yàn)镚PT2w模型計(jì)算出的氣溫值主要取決于格網(wǎng)文件中對(duì)應(yīng)區(qū)域的平均氣溫值且高緯度地區(qū)晝夜氣溫變化較大并四季分明,故高緯度地區(qū)整體精度較低,低緯地區(qū)四季變化較小且晝夜氣溫變化不明顯,故精度較高．

圖4 2012—2016年中國(guó)大陸地區(qū)3個(gè)緯度區(qū)間氣溫年均誤差柱狀圖

2012—2016年各氣象站點(diǎn)的氣溫日均誤差統(tǒng)計(jì)結(jié)果如圖5所示．圖5表明,氣溫日均誤差均值在各個(gè)氣象站點(diǎn)存在一定的差異,但氣溫日均誤差的浮動(dòng)差異較小,說明模型計(jì)算出的氣溫值較為穩(wěn)定.氣溫的精度以年為周期存在明顯的季節(jié)性,春季和秋季氣溫精度較高,夏季和冬季氣溫精度較低,其中夏季氣溫誤差多為正值,說明夏季GPT2w模型模擬出的氣溫值普遍小于實(shí)測(cè)氣溫值,冬季氣溫誤差多為負(fù)值,說明冬季GPT2w模型模擬出的氣溫值普遍大于實(shí)測(cè)氣溫值．

圖5 2012—2016年中國(guó)大陸地區(qū)氣溫日均誤差散點(diǎn)圖

2.2 氣壓

對(duì)氣壓誤差進(jìn)行分析統(tǒng)計(jì),結(jié)果如表2所示．表2表明,研究時(shí)段氣壓誤差的年均值分別為2.05、1.75、2.03、2.00和2.41 hPa,其均值為2.05 hPa;年標(biāo)準(zhǔn)偏差分別為6.68、6.54、6.33、6.47和6.71 hPa,其均值為6.55 hPa,說明在中國(guó)大陸地區(qū)GPT2w模型對(duì)氣壓模擬的整體精度很高且穩(wěn)定．

表2 2012—2016年中國(guó)大陸地區(qū)氣壓誤差結(jié)果統(tǒng)計(jì)

統(tǒng)計(jì)各氣象站點(diǎn)氣壓的年均誤差值,如圖6所示．圖6表明,大部分氣象站點(diǎn)的氣壓年均誤差值在-4～5 hPa之間且存在地域性差異．以105°E經(jīng)線作為分界線,大于105°E經(jīng)線的陸地區(qū)域各氣象站點(diǎn)氣壓年均誤差值較小,說明該區(qū)域GPT2w模型模擬出的氣壓值精度較高;小于105°E經(jīng)線的陸地區(qū)域各氣象站點(diǎn)氣壓年均誤差值較大且大部分地區(qū)的氣壓誤差均值為正值,說明這些地區(qū)模型模擬出的氣壓值普遍小于實(shí)測(cè)氣壓值．圖6表明各氣象站點(diǎn)氣壓年均誤差值分布規(guī)律與中國(guó)地勢(shì)特點(diǎn)(西高東低)類似,說明GPT2w模型模擬出的氣壓值精度在中國(guó)大陸地區(qū)隨海拔的上升而降低．

分析5年間各氣象站點(diǎn)氣壓誤差的最大正、負(fù)值,結(jié)果如圖7所示．圖7表明,最大正誤差值出現(xiàn)在陜西、河北境內(nèi),最大負(fù)誤差值出現(xiàn)在黑龍江、吉林、遼寧境內(nèi)．

圖6 2012—2016年中國(guó)大陸地區(qū)各氣象站點(diǎn)氣壓年均誤差分布

圖7 2012—2016年氣壓誤差最大正、負(fù)值分布

對(duì)陜西、河北、黑龍江、吉林、遼寧境內(nèi)相關(guān)氣象站的月均氣壓誤差進(jìn)行統(tǒng)計(jì),結(jié)果如圖8所示.圖8中圖示1～6，分別對(duì)應(yīng)圖7中站點(diǎn)1～6．圖8表明,每年產(chǎn)生正誤差較大的時(shí)間段集中在河北、陜西境內(nèi)的9—11月,每年產(chǎn)生負(fù)誤差較大的時(shí)間段集中在黑龍江、吉林、遼寧境內(nèi)的4—6月,說明GPT2w模型在上述時(shí)間段內(nèi)模擬出的氣壓值精度較低．

圖9表明,2012—2016年間30°N以下氣象站點(diǎn)的氣壓年均誤差均在1.5 hPa上下波動(dòng),30°～90°N之間氣象站點(diǎn)的氣壓年均誤差在0.5～3 hPa之間．5年間氣壓年均誤差均為正值，說明在中國(guó)大陸大部分地區(qū)3個(gè)緯度區(qū)間中GPT2w模型模擬的氣壓值比實(shí)測(cè)氣壓值小．

2012—2016年各氣象站點(diǎn)的氣壓日均誤差統(tǒng)計(jì)結(jié)果如圖10所示．圖10表明,GPT2w模型的氣壓值精度以年為周期的季節(jié)性不如氣溫的明顯．5年中氣壓日均誤差值在各個(gè)氣象站點(diǎn)存在一定差異,其中2012年2—9月各氣象站點(diǎn)的氣壓日均誤差差異較大,各年份存在個(gè)別氣象站點(diǎn)的氣壓日均誤差在某些時(shí)段會(huì)產(chǎn)生較大的波動(dòng),說明GPT2w模型計(jì)算出的氣壓值沒有氣溫值穩(wěn)定．

2.3 水汽壓

對(duì)水汽壓誤差進(jìn)行統(tǒng)計(jì)分析,結(jié)果如表3所示．表3表明,5年間水汽壓年均誤差值分別為-0.14、-0.06、0.09、0.26和0.38 hPa,其均值為0.11 hPa;年標(biāo)準(zhǔn)偏差分別為6.67、6.17、5.84、5.65和6.44 hPa,其均值為6.15 hPa．說明在中國(guó)大陸地區(qū)GPT2w模型對(duì)水汽壓模擬的整體精度很高且穩(wěn)定性比氣溫和氣壓的要高．

圖8 2012—2016年氣壓月均誤差結(jié)果統(tǒng)計(jì)

圖9 2012—2016年中國(guó)大陸地區(qū)3個(gè)緯度區(qū)間氣壓年均誤差柱狀圖

圖10 2012—2016年中國(guó)大陸地區(qū)氣壓日均誤差散點(diǎn)圖

表3 2012—2016年中國(guó)大陸地區(qū)水汽壓誤差結(jié)果統(tǒng)計(jì)

統(tǒng)計(jì)各氣象站點(diǎn)水汽壓的年均誤差值,如圖11所示．圖11表明,5年間中國(guó)大陸大部分地區(qū)水汽壓誤差均值在0附近,說明GPT2w模型模擬出的水汽壓值精度很高,模型在西藏東南部地區(qū)的水汽壓誤差均值多為負(fù)值,說明該地區(qū)GPT2w模型模擬出的水汽壓值普遍大于實(shí)測(cè)水汽壓值．

對(duì)水汽壓誤差的最大正、負(fù)值進(jìn)行統(tǒng)計(jì),結(jié)果如圖12所示．圖12表明,水汽壓最大正、負(fù)誤差集中在安徽、江蘇、河北與河南境內(nèi)．

對(duì)安徽、江蘇、河北與河南境內(nèi)相關(guān)氣象站的月均水汽壓誤差進(jìn)行統(tǒng)計(jì),結(jié)果如圖13所示．圖13中圖示1～7，分別對(duì)應(yīng)圖12中站點(diǎn)1～7.圖13表明,每年產(chǎn)生正誤差較大的時(shí)間段集中在安徽、江蘇、河北與河南的6—7月,每年產(chǎn)生正誤差較大的時(shí)間段集中在安徽、江蘇、河北與河南的10—11月,說明GPT2w模型在上述時(shí)間段內(nèi)模擬出的水汽壓值精度較低．

圖14表明,5年中30°～90°N之間水汽壓年均誤差值均為正值,說明在該緯度區(qū)間GPT2w模型模擬的水汽壓值比實(shí)測(cè)氣壓值小;0°～30°N間水汽壓年均誤差值均為負(fù)值,說明在該緯度區(qū)間GPT2w模型模擬的水汽壓值比實(shí)測(cè)氣壓值大．

統(tǒng)計(jì)2012—2016年各氣象站點(diǎn)的水汽壓日均誤差,結(jié)果如圖15所示．圖15表明,水汽壓的精度以年為周期存在明顯的季節(jié)性,春季和冬季水汽壓精度較高,夏季和秋季水汽壓精度較低,其中每年的1—8月水汽壓誤差多為正值,說明該時(shí)段內(nèi)GPT2w模型模擬出的水汽壓值普遍小于實(shí)測(cè)水汽壓值,每年的9—12月水汽壓誤差值多為負(fù)值,說明該時(shí)段內(nèi)GPT2w模型模擬的水汽壓值普遍大于實(shí)測(cè)水汽壓值．5年中水汽壓日均誤差值在各個(gè)氣象站點(diǎn)之間雖然有一定的差異,但該模型計(jì)算出的水汽壓值精度比計(jì)算出的氣溫、氣壓值精度更穩(wěn)定．

圖11 2012—2016年中國(guó)大陸地區(qū)各氣象站點(diǎn)水汽壓年均誤差分布

圖12 2012—2016年水汽壓最大正負(fù)誤差分布

圖13 2012—2016年水汽壓誤差月均值統(tǒng)計(jì)

圖14 2012—2016年中國(guó)大陸地區(qū)3個(gè)緯度區(qū)間水汽壓年均誤差

圖15 2012—2016年中國(guó)大陸地區(qū)水汽壓日均誤差散點(diǎn)圖

3 結(jié)束語(yǔ)

本文選取中國(guó)大陸地區(qū)102個(gè)國(guó)家氣象站2012—2016年實(shí)測(cè)的氣溫、氣壓和水汽壓數(shù)據(jù)對(duì)GPT2w模型模擬出的氣溫、氣壓和水汽壓在中國(guó)大陸地區(qū)的精度進(jìn)行分析．結(jié)果表明:1)GPT2w模型模擬出的氣溫、氣壓和水汽壓在中國(guó)大陸地區(qū)整體的精度很高,但精度在中國(guó)大陸地區(qū)不同的地方分布并不均勻,個(gè)別地區(qū)模型計(jì)算出的氣溫、氣壓和水汽壓值與真實(shí)值存在較大差異．2)GPT2w模型模擬出的氣象參數(shù)中,水汽壓值的精度最高,氣溫的精度次之,氣壓的精度不及氣溫和水汽壓的精度．3)以年為周期GPT2w模型模擬出的氣溫、氣壓和水汽壓日均誤差具有明顯的變化規(guī)律,GPT2w模型模擬出的氣溫精度以年為周期存在明顯的季節(jié)性．4)GPT2w模型在內(nèi)蒙古與黑龍江大部分地區(qū)的4—5月、10—12月模擬出的氣溫精度較低;在河北、陜西大部分地區(qū)的9—11月、黑龍江、吉林和遼寧大部分地區(qū)的4—6月模擬出的氣壓精度較低;在安徽、江蘇、河北與河南大部分地區(qū)的6—7月和10—11月模擬出的水汽壓精度較低．

整體而言,GPT2w模型模擬的氣溫、氣壓和水汽壓在中國(guó)大陸大部分地區(qū)具有較高的精度和穩(wěn)定性,該模型在某些地區(qū)模擬出的氣溫、氣壓和水汽壓精度較低,因此要進(jìn)一步提升模型精度,后續(xù)研究可考慮在模型中加入關(guān)于地區(qū)地理分布特征、氣候特征和氣象參數(shù)在時(shí)間上的變化參數(shù),對(duì)模型進(jìn)行改良精化．