長三角地區(qū)多種大氣可降水量獲取方法研究

李 黎 高 穎 陳國棟 趙 偉

1 蘇州科技大學(xué)地理科學(xué)與測繪工程學(xué)院，蘇州市學(xué)府路99號，215009 2 蘇州科技大學(xué)北斗導(dǎo)航與環(huán)境感知研究中心，蘇州市學(xué)府路99號，215009

大氣可降水量(precipitable water vapor, PWV)作為反映水汽含量的重要指標(biāo)，與實際降水之間具有較高的相關(guān)性，在描述水汽含量、監(jiān)測和預(yù)報天氣變化等方面具有重要意義。Bevis等[1]提出利用GPS技術(shù)獲取高時空分辨率的GPS-PWV；石小龍等[2]研究發(fā)現(xiàn)GPS-PWV能夠較好地反映水汽含量的時空分布變化；向玉春等[3]研究發(fā)現(xiàn)，與探空法相比，地面氣象資料推算的PWV偏差較小，而GPS-PWV偏差較大；盧士慶等[4]將部分求解PWV的方法進行比較發(fā)現(xiàn)，GPS-PWV精度較高且不受天氣狀況影響，具有廣闊的應(yīng)用前景，而基于地面露點資料計算PWV方法簡便且可以得到實時結(jié)果；翟樹峰等[5]提出一種基于GPT2w獲取Tm，進而利用地基GPS反演PWV的方法，該方法獲取的PWV精度與基于Bevis-Tm反演的PWV精度相當(dāng)。本文利用探空資料、地面露點資料、GNSS數(shù)據(jù)以及GPT3模型[6]計算長三角地區(qū)PWV，并以探空法計算得到的PWV為參考評估其他方法，從精度、可靠性和時效性等方面比較分析以上各方法。

1 數(shù)據(jù)來源及處理方法

1.1 數(shù)據(jù)來源

實驗數(shù)據(jù)主要來自2017年長三角地區(qū)7個探空站和2個GNSS基準(zhǔn)站，位置信息如表1所示。由表1可知，射陽GNSS站與探空站經(jīng)緯度完全一致，安慶GNSS站與探空站位置非常接近，因此GNSS站與探空站之間的差異主要為高程差，安慶和射陽兩站高程差分別為51.6 m和28.3 m。為確保GNSS-PWV與探空PWV精度對比的可靠性和準(zhǔn)確性，進一步利用靜力平衡方程分析GNSS站與探空站高程差對PWV的影響。結(jié)果表明，安慶和射陽GNSS站與探空站之間高程差對PWV的誤差影響分別為1.3 mm和0.7 mm，影響程度較小，因此可以直接利用探空站PWV評估GNSS-PWV和其他方法得到的PWV精度。

表1 長三角地區(qū)7個探空站及2個GNSS站位置信息

1.2 Tm計算方法

采用探空數(shù)據(jù)和數(shù)值積分法獲取的Tm精度較高，可作為參考值對其他方法獲取的Tm進行評估，其計算公式為：

(1)

式中，z為分層高度，e為地面水汽壓，可通過2008年世界氣象組織提出的飽和水汽壓公式計算得到。

1.3 PWV計算方法

1.3.1 基于探空資料

PWV是指單位面積空氣柱內(nèi)所含的水汽總量，計算公式為：

(2)

式中，q為各氣壓層空氣比濕，p為對流層上界氣壓，P0為地面氣壓。

1.3.2 基于地面氣象資料

建立PWV與地面露點資料之間的關(guān)系可為缺乏探空數(shù)據(jù)的地區(qū)獲取PWV提供新途徑，本文分別采用楊景梅等[7]和張學(xué)文[8]建立的經(jīng)驗關(guān)系式反演PWV。

綜上所述，三部作品雖敘述的故事有類似之處，且基本主題都是青年一代反對封建家長、封建禮教，追求愛情的幸福，但由于時代不同，意識形態(tài)、哲學(xué)思想的影響不同，人們的認(rèn)識有了很大的不同，尤其是曹雪芹，思想的深邃使同樣的故事有了深廣的文化意蘊，是質(zhì)的飛躍。

文獻[7]基于地面露點溫度、高程和緯度建立的PWV經(jīng)驗關(guān)系式為：

(3)

文獻[8]建立的PWV與水汽壓(根據(jù)露點溫度計算)的關(guān)系式為：

PWV=1.74e

(4)

1.3.3 基于GNSS數(shù)據(jù)

利用精密單點定位技術(shù)可解算GNSS站觀測數(shù)據(jù)，從而獲取高精度的GNSS-ZTD。其中ZHD可根據(jù)Saastamonien模型[9]獲?。?/p>

(5)

式中，Pc、φc和Hc分別為測站氣壓、緯度和海拔。

GNSS-PWV與ZWD(ZWD=ZTD-ZHD)的關(guān)系式為：

(6)

1.3.4 基于GPT3模型

基于歐洲中期天氣預(yù)報中心(ECMWF)數(shù)據(jù)建立的對流層延遲模型GPT3是獲取PWV所需氣象參數(shù)的有效方法之一，其計算公式為：

(7)

式中，r(t)為格網(wǎng)點處氣象參數(shù)值，α0為平均值，α1、β1為年周期振幅，α2、β2為半年周期振幅。利用式(7)可得到基于GPT3模型的各類氣象參數(shù)，GPT3-PWV與GNSS-PWV計算原理相同，均可利用式(6)計算得到。

1.4 精度統(tǒng)計方法

采用偏差bias和均方根誤差RMSE作為精度評定標(biāo)準(zhǔn)：

(8)

(9)

式中，Xmodel,i、Xreal,i分別為PWV的模型值和參考值，n為樣本數(shù)。

2 PWV精度分析

2.1 GPT3-PWV

根據(jù)GNSS-PWV計算原理和GPT3模型提供的氣象參數(shù)，可在無氣象參數(shù)情況下獲取PWV。由于篇幅所限，本文只列舉安慶、阜陽及杭州站GPT3-PWV及其bias(圖1)。由圖可知，GPT3-PWV與探空PWV變化趨勢基本一致，呈周期性變化，春冬季精度優(yōu)于夏季精度。這是由于長三角地區(qū)主要為亞熱帶季風(fēng)氣候，雨熱同期，春冬季空氣中的水汽含量遠(yuǎn)低于夏季。

圖1 2015～2017年安慶、阜陽、杭州站GPT3-PWV及其bias

表2為2015～2017年7個探空站獲取的GPT3-PWV精度統(tǒng)計(單位mm)。由表可知，平均bias和RMSE分別為0.57 mm和9.15 mm，未達到理想精度。這是由于GPT3模型獲取的平滑氣象參數(shù)會丟失實時氣象參數(shù)的細(xì)節(jié)信息，缺乏時效性，且與實測數(shù)據(jù)存在較大差異。而采用Askne-Nordius模型計算的GPT3-ZWD涉及到e、Tm等參數(shù)，與P、T和高程均有很強的相關(guān)性，多種氣象誤差累積和交叉影響，造成ZWD精度下降，從而導(dǎo)致由GPT3模型反演的PWV精度較低，僅可作為無實測氣象參數(shù)時的參考。

表2 2015～2017年7個探空站GPT3-PWV精度統(tǒng)計

2.2 地面氣象資料法

圖2為基于地面氣象資料法計算的2015～2017年部分探空站的PWV及其偏差。由于篇幅所限，本文僅列出安慶、阜陽和杭州站。由圖可知，地面測得的露點資料能很好地反映空氣中的水汽狀況。此外，地面法獲取的PWV呈季節(jié)性變化，冬季精度明顯優(yōu)于夏季精度，且基于地面法1推算的PWV值比地面法2推算的PWV值大，更接近于真實值，尤其是在夏季。

圖2 2015～2017年地面法PWV及其bias

表3為基于兩種地面法獲取的PWV精度統(tǒng)計(單位mm)。基于地面法1獲取的PWV平均bias和RMSE分別為0.22 mm和8.00 mm，基于地面法2獲取的PWV平均bias和RMSE分別為-0.51 mm和8.34 mm?？傮w而言，地面法1的精度稍優(yōu)于地面法2，雖然地面法1與地面法2均是利用氣象資料建立的經(jīng)驗公式，但地面法1考慮了露點溫度、緯度和高程，而地面法2僅考慮了地面水汽壓。由于地面露點資料僅能反映地面附近的濕度狀況，由此得到的經(jīng)驗關(guān)系式仍存在20%的誤差[7]。與GPT3-PWV相比，兩種地面法計算的PWV精度略有提升，但仍未達到理想水平。

表3 2015～2017年基于地面法的PWV精度統(tǒng)計

2.3 GNSS-PWV

圖3、圖4分別為安慶站和射陽站2017年GNSS-PWV及其bias，表4為兩站2017年GNSS-PWV的精度統(tǒng)計(單位mm)。由圖可知，GNSS-PWV與探空PWV在2017年的差值基本保持在10 mm以內(nèi)，且冬季偏差小于夏季偏差。由表4可知，GNSS-PWV的平均bias和RMSE分別為0.05 mm和3.50 mm，與探空PWV具有較好的一致性。

圖3 2017年安慶站GNSS-PWV及其bias

圖4 2017年射陽站GNSS-PWV及其bias

表4 2017年安慶站和射陽站GNSS-PWV精度統(tǒng)計

總體而言，GNSS-PWV精度最高，不受天氣狀況影響且儀器長期穩(wěn)定無需標(biāo)定，具有廣闊的應(yīng)用前景；地面法PWV精度較低，但計算簡單、可實時獲取結(jié)果，在無法實時處理GNSS數(shù)據(jù)以及缺乏GNSS站的情況下具有很強的實用價值。但上述兩種方法均需要探空站或GNSS站的觀測數(shù)據(jù)，在很多無法獲取氣象參數(shù)的地區(qū)具有較大的局限性，因此可利用GPT3模型在精度要求較低的地區(qū)獲取實時PWV。

3 結(jié) 語

1)從精度上看，GNSS-PWV精度最高，地面氣象資料法次之，GPT3-PWV精度最低。其中，地面氣象資料法1的精度優(yōu)于地面氣象資料法2，4種方法獲取的PWV均呈現(xiàn)出季節(jié)特性，冬季精度優(yōu)于夏季精度。

2)從時效性和數(shù)據(jù)依賴程度上看，GPT3模型無需任何氣象參數(shù)，可實時獲取PWV；地面法需要露點溫度、緯度和高程等參數(shù)；GNSS-PWV同時需要GNSS數(shù)據(jù)和實測氣象數(shù)據(jù)。

3)在同時擁有氣象資料和GNSS數(shù)據(jù)的情況下，可基于GNSS獲得精度最高的GNSS-PWV；在僅有地面氣象資料而缺乏GNSS數(shù)據(jù)時，可利用地面露點資料得到實時PWV；若GNSS數(shù)據(jù)和氣象數(shù)據(jù)均缺失，則可利用GPT3模型計算PWV。