長三角地區(qū)GNSS大氣水汽轉(zhuǎn)換系數(shù)模型精化研究

侯曉玲 張雯雯 李 黎，2 周嘉陵 劉 宇 高 穎 管仲培

1 蘇州科技大學(xué)環(huán)境科學(xué)與工程學(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 3 江蘇省氣象科學(xué)研究所，南京市昆侖路16號，210009

水汽主要分布在對流層底部，是大氣變化監(jiān)測中極為重要的氣象參數(shù)之一，因此獲取高時空分辨率的水汽資料對氣象預(yù)報和氣候監(jiān)測具有重要意義[1]。獲取水汽資料的傳統(tǒng)手段主要包括探空氣球、微波輻射計和紅外遙感等，這些觀測方法存在時空分辨率低、成本較高或工作量大等問題。隨著GNSS技術(shù)的發(fā)展，利用地基GNSS站能反演得到高時空分辨率的大氣可降水量(precipitable water vapour, PWV)[2]。由GNSS得到的天頂總延遲(zenith total delay, ZTD)減去天頂干延遲(zenith hydrostatic delay, ZHD)得到天頂濕延遲(zenith wet delay, ZWD)，ZWD，乘以水汽轉(zhuǎn)換系數(shù)(K值)就可以獲得GNSS-PWV，可見K值是地基GNSS-PWV反演中的一個關(guān)鍵參數(shù)。

文獻[2]首次利用探空資料建立加權(quán)平均溫度(Tm)與地表溫度(Ts)的關(guān)系模型，再通過將Tm值轉(zhuǎn)換為K值來實現(xiàn)任意位置的K值計算；文獻[3-4]利用探空資料建立了幾種全球非氣象參數(shù)Tm模型，但是這些模型在局部地區(qū)的適用性有待進一步驗證。目前能夠利用積分法精確獲得K值[5]，但因計算較復(fù)雜，已經(jīng)不能滿足實時發(fā)展的要求。文獻[6]利用中國地區(qū)84個探空站2010～2015年的探空數(shù)據(jù)計算K值，分析其時空變化特征，得出一種僅與地理位置信息和年積日有關(guān)的改進的K值模型，發(fā)現(xiàn)K值隨緯度和高程的增大而明顯減小；文獻[7-8]在中國低緯度地區(qū)和新疆地區(qū)建立精化Emardson模型，并取得較好的精度；文獻[9]利用不同的K值模型反演拉薩站的GNSS-PWV，其結(jié)果與探空PWV具有較好的一致性，表明顧及高程的Emardson-H模型適用于缺乏氣象參數(shù)的高海拔地區(qū)。

從以上分析可知，Emardson模型具有地方性差異，因而要獲得較高的應(yīng)用精度需要基于當(dāng)?shù)氐奶娇召Y料建立本地的精化模型。本文利用長三角地區(qū) 7 個探空站(上海、南京、射陽、阜陽、安慶、杭州和衢州)數(shù)據(jù)通過數(shù)值積分法計算的K值，分別建立2016年的兩個Emardson精化模型，并利用2017年的K值驗證兩個模型的預(yù)報精度。

1 數(shù)據(jù)處理方法

1.1 積分法求K值

精確的K值可通過積分法計算探空數(shù)據(jù)得到：

(1)

(2)

式中，Pvi、Ti、Δhi為第i層大氣的平均水氣壓、平均溫度和大氣厚度。

1.2 Emardson建模方法

Emardson等[10]利用歐洲數(shù)10個探空站數(shù)據(jù)，基于K值時空變化特性，建立了一種顧及緯度和年積日的K值模型(簡稱Emardson模型)。由于Emardson模型與氣象參數(shù)無關(guān)，且精度較好，因此在實時GNSS水汽反演中有很好的應(yīng)用潛力。

不顧及高程的Emardson-I模型為：

(3)

文獻[7-8]表明，K值與高程有一定的相關(guān)性。因此，在式(3)的基礎(chǔ)上建立顧及高程的Emardson-H模型：

(4)

式中，φ為大地緯度，doy為年積日，H為海拔，α0、α1、α2、α3、α4為模型系數(shù)。

1.3 精度評估方法

本文采用平均絕對偏差(MAE)和均方根誤差(RMS)來評價模型的精度：

(5)

(6)

2 Emardson建模及其精度分析

2.1 數(shù)據(jù)來源及建模

探空數(shù)據(jù)來自美國懷俄明大學(xué)大氣數(shù)據(jù)網(wǎng)(http: //weather.uwyo.edu/upperair/sounding.html)，該機構(gòu)以世界氣象組織制定的規(guī)則為依據(jù)，已對其發(fā)布的探空數(shù)據(jù)進行質(zhì)量檢查，包括重復(fù)值檢查、垂直一致性檢查、極端觀測值檢查、氣候界限值檢查和流體靜力學(xué)一致性檢查[11]。選用2016～2017年長三角地區(qū)7個探空站(安慶、阜陽、杭州、衢州、上海、射陽和南京)每天兩次采集的探空數(shù)據(jù)(上海和南京的垂直分辨率為500 m，其他5個站為1 000 m)，主要包括氣壓、高度、溫度、露點和相對溫度等氣象參數(shù)。圖1是長三角地區(qū)7個探空站和2個GNSS站的分布圖，表1是7個探空站的位置信息。

圖1 長三角地區(qū)7個探空站和2個GNSS基準(zhǔn)站的地理分布Fig.1 Geographical distribution of 7 radiosonde and 2 GNSS stations in the Yangtze river delta

表1 長三角地區(qū)探空站位置信息Tab.1 Location information of sounding radiosonde in the Yangtze river delta

采用2016年7個探空站計算的K值，分別建立Emardson-I模型和Emardson-H模型，利用最小二乘法進行多元線性擬合求出模型系數(shù)(表2)，分析Emardson-I和Emardson-H模型2017年的K值預(yù)報精度。

表2 Emardson-I和Emardson-H模型系數(shù)Tab.2 Model coefficient of Emardson-I and Emardson-H

2.2 K值精度分析

以積分法計算的K值作為真值，分別與2017年Emardson-I和Emardson-H模型預(yù)報的K值作對比得到差值散點圖(圖2)。由圖可知，Emardson-I和Emardson-H模型預(yù)報的K值與積分法計算的K值差別很小。由表3可得， Emardson-I模型的平均絕對偏差均值為0.001 303、均方根誤差均值為0.001 620，Emardson-H模型的平均絕對偏差均值為0.001 297、均方根誤差均值為0.001616，Emardson-H模型的MAE和RMS分別降低1.5%和1.2%。由此看出， Emardson-H模型略優(yōu)于Emardson-I模型，但提高有限。

圖2 安慶站和射陽站的偏差分布Fig.2 Deviation distribution of Anqing station and Sheyang station

表3 Emardson-I與Emardson-H的K值精度統(tǒng)計Tab.3 Accuracy statistics of K-value for Emardson-I and Emardson-H

2.3 GNSS-PWV精度

首先用精密單點定位(PPP)技術(shù)解算得到高精度的GNSS-ZTD(小于6 mm)，ZTD的時間分辨率為5 min[12]，再根據(jù)Saastamoinen模型計算ZHD，ZTD減去ZHD可得到ZWD，而ZWD乘以K值即可得GNSS-PWV。以2017年安慶和射陽的探空PWV作為參考值，使用其并址GNSS數(shù)據(jù)，來檢驗Emardson模型的GNSS-PWV反演精度。

由圖3可知，Emardson-I模型和Emardson-H模型之間差別很小，其GNSS-PWV反演結(jié)果與探空PWV有較好的一致性。

圖3 安慶站和射陽站的GNSS-PWV偏差Fig.3 GNSS-PWV deviations at Anqing and Sheyang stations

由表4可知，Emardson-I模型的MAE和RMS分別為0.368和0.548，Emardson-H模型的MAE和RMS分別為0.370和0.552，兩種模型精度相差不大，原因是安慶站與射陽站均位于低海拔地區(qū)，顧及高程的作用幾乎可以忽略不計。

表4 基于Emardson-I和Emardson-H的GNSS-PWV精度統(tǒng)計Tab.4 Accuracy statistics of GNSS-PWV from Emardson-I and Emardson-H

3 結(jié) 語

1)Emardson-I模型的MAE和RMS分別為0.001 303和0.001 620，Emardson-H模型的MAE和RMS分別為0.001 297和0.001 616，后者的K值預(yù)報精度略有提高。

2)就GNSS-PWV而言，Emardson-I模型的MAE和RMS分別為0.368 mm和0.548 mm，Emardson-H模型的MAE和RMS分別為0.370 mm和0.552 mm，二者均優(yōu)于0.6mm。

3)由于Emardson-I和Emardson-H的K值預(yù)報精度和GNSS-PWV反演精度相當(dāng)，Emardson-I模型以其無需實測氣象參數(shù)和不顧及高程的效率優(yōu)勢，在缺乏地面氣象資料的低海拔地區(qū)具有更好的適用性。