利用ERA5資料進行桂林地區(qū)GNSS水汽反演精度分析

莫智翔 黃玲 郭希 黃良珂 劉立龍 龐周洲 鄧云飛

0 引言

大氣水汽(Precipitable Water Vapor,PWV)是地球大氣中的重要組成部分,其變化與降水直接相關(guān),并在大氣能量傳輸、天氣系統(tǒng)演變、大氣輻射收支、全球氣候變化等多種氣象演變中扮演著重要的角色[1]．目前,在氣候研究及天氣預(yù)報中的一項基本工作就是要精確探測出大氣水汽的分布及其變化規(guī)律,達到監(jiān)測和預(yù)報的目的．因此,系統(tǒng)全面地監(jiān)測并分析水汽的時空分布對研究各種復(fù)雜的氣候特征、短期天氣預(yù)報和氣候災(zāi)害預(yù)警具有重要意義．

傳統(tǒng)的大氣水汽探測方法主要包括無線電探空站、微波輻射計、雷達觀測和衛(wèi)星遙感等,但使用費用昂貴,且時空分辨率低,離監(jiān)測和預(yù)報中小尺度災(zāi)害性天氣的要求還有很大差距．隨著全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)技術(shù)在氣象探測領(lǐng)域的應(yīng)用,地基GNSS能較好地彌補傳統(tǒng)大氣水汽探測技術(shù)在時空分辨率上的不足,并有效提供精細化氣象預(yù)報所需要的高精度、大容量、近實時的大氣水汽資料[2]．

然而,利用GNSS技術(shù)進行大氣水汽反演往往需要獲得相應(yīng)的地面氣壓和地面溫度等氣象數(shù)據(jù),但由于大部分GNSS觀測站建設(shè)時沒有安裝氣象傳感器,致使這些數(shù)據(jù)無法應(yīng)用于氣象變化研究．再分析資料因為其龐大的數(shù)據(jù)量和高時空分辨率,可以有效彌補地面氣象觀測資料時空分布不均勻的缺陷,被諸多學(xué)者作為補充數(shù)據(jù)源來獲取GNSS反演水汽所需的氣象參數(shù),并驗證了這種方法的可行性和可靠性[3]．文獻[4]以中國地區(qū)24個氣象站的氣壓、氣溫和相對濕度實測資料為標準評估了ERA-Interim再分析資料應(yīng)用于GPS PWV計算的精度．文獻[5]利用山東及周邊地區(qū)的觀測數(shù)據(jù),對ERA5再分析數(shù)據(jù)在山東地區(qū)的適用性進行了初步分析,并與ERA-Interim再分析數(shù)據(jù)進行對比．文獻[6]利用江淮地區(qū)15個觀測站的觀測資料對ERA-Interim再分析資料在江淮地區(qū)的適用性進行了對比分析．文獻[7]利用探空數(shù)據(jù)評估了ERA5再分析資料溫壓產(chǎn)品在中國地區(qū)的精度,并將ERA5溫壓產(chǎn)品用于反演逐小時GNSS PWV資料．

ERA5是歐洲中期天氣預(yù)報中心(European Center for Medium-Range Weather Forecasts,ECMWF)最新發(fā)布的第五代全球氣候再分析數(shù)據(jù)集,該數(shù)據(jù)集可提供高時空分辨率的溫度和氣壓等氣象數(shù)據(jù),但目前尚沒有利用ERA5再分析資料應(yīng)用于桂林地區(qū)GNSS水汽反演并進行相應(yīng)精度評估的相關(guān)文獻,故需開展針對桂林地區(qū)利用ERA5再分析資料計算GNSS PWV的精度進行評估與分析．本文以桂林地區(qū)2017年10個地面氣象站及GNSS觀測數(shù)據(jù)為例,評估利用ERA5地表氣壓和溫度進行GNSS水汽反演的精度,可為后續(xù)ERA5數(shù)據(jù)在桂林地區(qū)的使用和開展相關(guān)方面的GNSS水汽研究提供參考依據(jù)．

1 數(shù)據(jù)來源及處理方法

1.1 數(shù)據(jù)來源

ERA5是ECMWF提供的最新大氣再分析資料,其水平分辨率為0.25°×0.25°,垂直分辨率為37層,時間分辨率可達1 h(https:∥cds.climate.copernicus.eu/)．本文采用的是2017年ERA5地表氣壓和溫度氣象資料以及對應(yīng)的地表位勢高資料．探空站資料可提供探空氣球每天在0時和12時探測兩次的實測的地表以及分層的氣象數(shù)據(jù),該數(shù)據(jù)可從美國懷俄明州立大學(xué)網(wǎng)(http:∥weather.uwyo.edu/upperair/sounding.html)上下載,其實測的PWV資料常用來評估其他水汽產(chǎn)品．實測的氣壓、溫度資料來自地面氣象站觀測,其時間分辨率為1 h,可在中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn)上下載獲取．所用的GNSS觀測數(shù)據(jù)采集自桂林地區(qū)2017年6—7月的GNSS站,其時間分辨率也為1 h．所用站點的位置如圖1所示．

圖1 桂林地區(qū)地面氣象站、探空站和GNSS站分布

1.2 GNSS水汽反演

GNSS反演大氣水汽PWV(量值記為xPWV)與天頂濕延遲(ZWD,量值記為yZWD)的基本關(guān)系式[8]為

xPWV=Π·yZWD,

(1)

式中Π為無量綱水汽轉(zhuǎn)換系數(shù)．

本文首先利用GAMIT/GLOBK高精度GNSS數(shù)據(jù)處理軟件解算桂林地區(qū)GNSS原始觀測數(shù)據(jù)得到對流層天頂總延遲量ZTD,解算的ZTD數(shù)據(jù)經(jīng)過國際GNSS服務(wù)(International GNSS Service,IGS)的高精度ZTD產(chǎn)品驗證,其均方根誤差(RMSE)在5 mm左右,具有較高的精度和可靠性．根據(jù)Saastamoinen模型由氣壓值計算出天頂靜力延遲量ZHD(量值記為yZHD)[9]:

(2)

式中:Ps為地面氣壓,單位為hPa;φ為測站的緯度;ho為大地高,單位為km;計算出的yZHD單位為mm．

GNSS數(shù)據(jù)解算出的ZTD(量值記為yZTD)減去由Saastamoinen模型計算出的ZHD而間接獲得ZWD,即式(3)所示:

yZWD=yZTD-yZHD.

(3)

利用常用的Bevis模型(式(4)),通過溫度(Ts)算出大氣加權(quán)平均溫度(Tm)值,再據(jù)計算得到的Tm值,代入式(5)則可算出水汽轉(zhuǎn)換系數(shù)Π:

Tm=70.2+0.72Ts,

(4)

(5)

式中:ρw=1×103kg/m3為液態(tài)水的密度;Rv=461.495 J·kg-1·K-1為水汽氣體常數(shù);k′2，k3為大氣物理參數(shù),經(jīng)驗值通常分別為22.13±2.20 K/hPa、(3.739±0.012)×105K/hPa．

地面站一般不與再分析資料的格網(wǎng)點重合,且站點高程基準也與格網(wǎng)點不同,因此需要先進行高程基準的統(tǒng)一，再將格網(wǎng)點插值到站點位置上．再分析資料采用的高程系統(tǒng)為位勢高,地面氣象站采用海拔高,GNSS站則為大地高,海拔高與位勢高之間的差異對氣象參數(shù)的高程改正影響較小,可忽略不計,但大地高和位勢高之間的差異則不可忽視,對此可采用EGM2008模型實現(xiàn)高程基準的統(tǒng)一[10-11]．由于站點與其附近4個格網(wǎng)點的高程不一致,因此需要對氣溫和氣壓數(shù)據(jù)進行垂直方向上的插值改正,插值公式[12]分別如下:

T=T0-γ(h1-h2)，

(6)

(7)

(8)

式中:T和T0(K)分別表示在高度為h1和h2(m)時對應(yīng)的溫度值;P和P0(hPa)分別表示在高度為h1和h2時對應(yīng)的氣壓值;γ為垂直遞減率,一般取平均常數(shù)-0.006 5 K/m;M為干空氣的摩爾質(zhì)量,通常取值為0.028 964 4 kg/mol;R為理想氣體常數(shù),通常取值為8.314 32 N·m/(mol·K);g為重力加速度．

根據(jù)上述方法計算出最近4個格網(wǎng)點在站點高度處的氣象參數(shù)后,采用雙線性插值法進行水平方向的插值,最終獲得GNSS站處的氣象參數(shù)值．

2 精度評估

本文以桂林地區(qū)2017年10個地面氣象站的氣壓和溫度資料為參考值,評價ERA5再分析資料溫度和氣壓的精度,并使用偏差(bias，其量值記為εbias)與均方根誤差(RMSE,其量值記為εRMSE)作為精度指標,其公式為

(9)

(10)

式中:N為數(shù)據(jù)的樣本數(shù);XOi表示觀測值;XRi為參考值．

2.1 ERA5資料溫壓精度評估

本文利用桂林地區(qū)2017年10個地面氣象站的氣壓和溫度資料來驗證ERA5再分析資料地表氣壓和溫度的精度,對所求的偏差和RMSE進行了統(tǒng)計,統(tǒng)計結(jié)果如表1和圖2所示.

表1 桂林地區(qū)地面氣象站資料檢驗ERA5氣壓和溫度的精度統(tǒng)計

由表1可知:與10個地面氣象站實測的氣壓相比,由ERA5資料獲取的氣壓年均偏差為-0.35 hPa(最大值恭城站-0.04 hPa,最小值永福站-0.74 hPa),全部站點上的年均偏差均為負值,說明ERA5資料的氣壓值要稍低于實測值;氣壓年均RMSE為0.86 hPa(最大值永福站0.95 hPa,最小值恭城站0.48 hPa)．與10個地面氣象站實測的溫度相比,由ERA5資料獲取的溫度年均偏差為0.86 K(最大值龍勝站1.44 K,最小值恭城站0.19 K),全部站點上的年均偏差均為正值,說明ERA5資料的溫度值要稍高于實測值;溫度年均RMSE為1.66 K(最大值龍勝站2.07 K,最小值恭城站1.31 K)．總之,ERA5資料氣壓和溫度產(chǎn)品的精度較為穩(wěn)定、可靠．

由圖2可知,位于桂林西南地區(qū)的永福站、荔浦站及桂林東部地區(qū)的灌陽站上ERA5氣壓的年均絕對偏差和RMSE要高于桂林其他地區(qū),其年均偏差和RMSE分別在-0.6 hPa和0.9 hPa左右,桂林中部及北部地區(qū)的年均絕對偏差和RMSE則相對較小．位于桂林西北地區(qū)的龍勝站及桂林東部地區(qū)的灌陽站上ERA5溫度的年均偏差和RMSE要高于桂林其他地區(qū),其年均偏差和RMSE分別在1.4 K和2 K左右,桂林中部地區(qū)的年均偏差和RMSE則相對較小．總體上ERA5氣壓和溫度的精度隨緯度和經(jīng)度變化不明顯,多個站點均保持良好的精度,其中在桂林中部地區(qū)精度表現(xiàn)較好．

為了進一步分析在桂林地區(qū)ERA5氣壓和溫度的精度隨時間變化的特征,均勻選取桂林地區(qū)4個地面氣象站上ERA5氣壓、溫度的偏差和RMSE分別做日均統(tǒng)計,進而分析ERA5氣壓、溫度的偏差和RMSE的時間變化特征．氣壓和溫度的誤差具體統(tǒng)計結(jié)果分別如圖3和圖4所示．

從圖3可知,ERA5氣壓的年均絕對偏差和RMSE除了資源站在全年變化不大外,在其他大部分站點上均有明顯的季節(jié)變化,峰值發(fā)生在冬季,谷值發(fā)生在夏季,其精度在冬季波動最大,但是全年大部分的絕對偏差和RMSE均分布在2 hPa以內(nèi),且全年具有明顯的負偏差．由圖4可知,ERA5溫度的年均絕對偏差和RMSE的季節(jié)變化和氣壓一樣,溫度的絕對偏差和RMSE在夏季達到最低而冬季的值相對較高,其精度在冬季變化也較為明顯,但其波動幅度相比氣壓較大,且全年具有明顯的正偏差,這與桂林地區(qū)復(fù)雜的氣候條件有一定聯(lián)系．盡管如此,其絕對偏差和RMSE在全年的大部分時間均低于4 K．

圖2 利用地面氣象站檢驗桂林地區(qū)ERA5氣壓和溫度的年均偏差和RMSE分布

圖3 桂林地區(qū)4個地面氣象站上ERA5氣壓資料的日均偏差和RMSE變化

圖4 桂林地區(qū)4個地面氣象站上ERA5溫度資料的日均偏差和RMSE變化

2.2 基于ERA5資料的GNSS PWV精度評估

對2017年6—7月桂林地區(qū)的1個離桂林探空站最近的GNSS站解算的ZTD數(shù)據(jù),分別用離其最近的興安氣象站提供的實測氣壓、溫度和ERA5資料提取的氣象參數(shù)計算出各自的逐小時GNSS PWV(分別簡稱為MET-PWV和ERA5-PWV)．在得出MET-PWV值后,經(jīng)過桂林探空站實測的PWV資料驗證,其平均偏差和RMSE分別為-0.77 mm和3.5 mm,具有較高的精度和可靠性．因此,以MET-PWV為參考值,對ERA5-PWV的精度進行評估來驗證利用ERA5溫壓反演的GNSS PWV可靠性,兩者隨時間變化及對比結(jié)果如圖5所示．

由圖5可知,ERA5-PWV與MET-PWV整體變化趨勢、峰值和谷值基本吻合,具有很好的一致性．對ERA5-PWV與MET-PWV進行概率統(tǒng)計分析,得到兩種數(shù)據(jù)的相關(guān)系數(shù)R為0.99,為強相關(guān),說明這兩種數(shù)據(jù)具有很高的一致性．ERA5-PWV的平均偏差和RMSE分別為0.17 mm和0.35 mm,兩者數(shù)據(jù)偏離程度相差不大,ERA5-PWV與MET-PWV精度相當(dāng)．此外,2017年6—7月這個時間段桂林地區(qū)處于水汽變化劇烈、降雨頻發(fā)時期,而盡管如此ERA5-PWV仍保持較好精度．以上分析說明利用ERA5地表溫壓資料反演的GNSS PWV精度良好,可以借助ERA5獲取相應(yīng)的GNSS PWV時間序列．這對桂林地區(qū)氣候變化的研究具有重要的意義．

圖5 ERA5-PWV和MET-PWV對比時間序列

3 結(jié)論

本文利用2017年ERA5再分析資料和分布在桂林地區(qū)10個地面氣象站的實測氣壓、溫度資料,研究和評估了ERA5再分析資料在桂林地區(qū)獲取地表氣壓、溫度并計算GNSS PWV的精度,結(jié)果表明:

1)與實測氣壓相比,ERA5地表氣壓和溫度精度較高,10個測站年均偏差分別為-0.35 hPa和0.86 K,年均RMSE分別為0.65 hPa和1.66 K;

2)總體上ERA5地表氣壓和溫度在桂林中部地區(qū)好于周邊地區(qū),且氣壓和溫度的精度夏季高于冬季;

3)利用ERA5溫壓反演的GNSS PWV與利用實測氣象資料計算的PWV值相比,平均偏差和RMSE分別為0.17 mm和0.35 mm,且兩者差異較?。?/p>

總之,ERA5再分析資料地表氣壓和溫度產(chǎn)品的精度較高,在桂林地區(qū)水汽變化劇烈的夏季反演出的GNSS水汽仍具有較高的精度．該研究結(jié)果可為桂林地區(qū)高精度GNSS水汽反演及數(shù)據(jù)源選擇提供重要的參考依據(jù)．